Künstliche Intelligenz: Wie schlau werden unsere Autos?

Der Computer wird mit möglichst vielen Daten und Situationen gefüttert, damit er aus vielen Möglichkeiten anschließend die richtigen Schlüsse ziehen kann. Die Daten sind dabei die Rohstoffe und die Entscheidungen eines Computers nur so gut, wie genau und umfassend die Daten sind, die er bekommen hat.

Im Verlauf eines Lernprozesses werden Computerprogramme mit immer komplexeren Aufgaben konfrontiert, die sie auf Basis der Erfahrung mit vorherigen einfacheren Aufgaben verarbeiten. Das geschieht durch neuronale Netze, die im Aufbau dem menschlichen Gehirn ähneln. Dadurch muss nicht das Verhalten für jede einzelne Situation programmiert werden, sondern es wird durch unzählige Datensätze und einen selbstlernenden Algorithmus trainiert. Die Software ist nicht festgeschrieben und entwickelt sich dann weiter.

Aufgrund vieler Daten kann ein Computer dann zum Beispiel Inhalte von Bildern erkennen, Videos analysieren oder Sprache verstehen. Deep Learning besteht aus den beiden Phasen Training und Differenzierung: Je mehr Beispiele das Programm lernt, desto besser wird es. Maschinen können Intelligenz jedoch nur simulieren, wenn sie verstehen, was die Benutzer:innen von ihnen wollen – und ihnen daraufhin eine Lösung präsentieren. Die Software muss Muster erkennen und darauf richtig reagieren. Das Programm kann hingegen nicht eigene Programme entwickeln und über seine Anforderungen hinaus tätig werden. Auch ein sehr guter Schachcomputer versagt bei einem Mensch-ärgere-Dich-nicht-Spiel.

Deep Learning unterscheidet sich von den "Wenn-Dann-Prinzipien" vieler Computer-Programme. Statt der festgelegten "Dann"-Antwort des Entwicklers/der Entwicklerin trifft das System eigene Entscheidungen. Was Computerprogramme nicht erreichen können, auch nicht KI, sind kreative Ansätze oder die Möglichkeit, neue Ideen zu entwickeln.

Künstliche Intelligenz ist der wichtigste Faktor, wenn es um automatisiertes Fahren geht. Roboterautos müssen künftig selbst entscheiden, wie sie fahren sollen und vor allem, wie sie in bestimmten Situationen reagieren. Sollen sie vor einem Hindernis bremsen oder ausweichen? Treten Fußgänger:innen an einem Zebrastreifen auf die Straße, muss das Auto mit seiner künstlichen Intelligenz sofort – am besten schon vorher – erkennen, dass eine Person die Straße überqueren will – und bis zum Stillstand abbremsen.

Doch auch in herkömmlichen, also nicht selbstfahrenden Autos kommt künstliche Intelligenz heute schon zum Einsatz. Bei Systemen wie Sprachsteuerung, Entertainment- oder Navigationssystem unterstützt KI die Fahrenden heute bereits, wie das MBUX-System von Mercedes. Das Programm kann sich merken, an welchem Tag zu welcher Uhrzeit ein/e Autofahrer:in eine bestimmte Person anruft oder einen bestimmten Weg fährt. Es schlägt dann die Telefonnummer oder die Strecke vor. Auch eine natürliche Spracherkennung für die Infotainment-Steuerung sowie die Bilderkennung zur automatischen Verkehrsschildererkennung, die in Fahrassistenzsystemen zum Einsatz kommt, basieren auf KI.

Der Bundestag hat 2017 die rechtlichen Voraussetzungen geschaffen, dass Assistenzsysteme die Kontrolle über ein Fahrzeug übernehmen können und sich der/die Fahrer:in abwenden darf. Doch bis Fahrzeuge bei allen Witterungsbedingungen autonom fahren, wird es noch viele Jahre dauern.

Bisher werden die Systeme nur mit Daten aus Schönwetter-Fahrten gefüttert. Auch wenn heute Roboter-Versuchsautos mit KI und einer Vielzahl von Sensoren und Kameras unterwegs sind, müssen sie mit unterschiedlichen Situationen zurechtkommen und noch sehr viele neue Situationen lernen. "Ich gehe davon aus, dass KI autonomes Fahren auf Autobahnen bald schon beherrschbar macht, im Stadtverkehr jedoch noch lange nicht", sagt Professor Christian Bauckhage.

Programme sind nur so gut wie ihre Daten und ihre Entwickler:innen. Die Bilder müssen vor dem Einpflegen gründlich geprüft werden. Forschende der TU Berlin und Vertreter:innen der Max-Planck-Gesellschaft meinen, dass nicht alle Daten zu einem aus menschlicher Sicht logischen Lösungsweg führen. Werden beispielsweise Fotos nur anhand des Kontextes bewertet und eingeordnet, kann es durchaus sein, dass Fotos, auf denen Schienen abgebildet sind, dem Kontext "Zug" zugeordnet werden – ganz gleich, ob sich ein Übergang dazwischen befindet oder ein Auto darauf parkt. Sie fordern deshalb eine stärkere Kontrolle der Programme und Offenlegung der Codes. Auch sollen neu zugelassene Fahrzeuge einem umfangreichen Test unterzogen werden – in Simulation und im realen Verkehr.

Sonst passiere es immer wieder, dass Menschenleben gefährdet werden. So verunglückte 2018 eine Fußgängerin bei einer Kollision mit einem selbstfahrenden Testfahrzeug von Uber, drei Tesla-Fahrer starben ebenfalls bei Unfällen, als sie ihrem eingeschalteten Autopilot-Modus vertrauten, der eigentlich nur ein Assistenzsystem ist. Unfallforschende nehmen an, dass der Computer die Situation falsch eingeschätzt und interpretiert hat. Oder der Fahrer hat sich verkehrswidrig verhalten, indem er sich vom Fahren abgewendet hat – weil er zu sehr auf die künstliche Intelligenz seines Autos vertraute.

Autor: Fabian Hoberg